解决dotnet/android项目中System.Memory版本冲突问题
在dotnet/android项目的开发过程中,当尝试使用Visual Studio Preview版本运行Maui.Controls.Sample.Sandbox示例应用时,开发者可能会遇到一个与System.Memory程序集相关的构建错误。本文将详细分析该问题的成因,并提供解决方案。
问题现象
当开发者使用Visual Studio 17.14 Preview 2版本构建基于net10.0-android平台的Maui示例应用时,构建过程会失败并抛出以下异常:
System.IO.FileNotFoundException: Could not load file or assembly 'System.Memory, Version=4.0.2.0, Culture=neutral, PublicKeyToken=cc7b13ffcd2ddd51' or one of its dependencies.
错误发生在Xamarin.Android.Tasks.MonoAndroidHelper.GetXxHash方法调用时,表明系统无法加载指定版本的System.Memory程序集。
问题根源分析
通过检查MSBuild.exe.config文件,我们发现其中包含以下程序集绑定重定向配置:
<dependentAssembly>
<assemblyIdentity name="System.Memory" publicKeyToken="cc7b13ffcd2ddd51" culture="neutral" />
<bindingRedirect oldVersion="0.0.0.0-4.0.1.2" newVersion="4.0.1.2" />
</dependentAssembly>
这表明MSBuild运行时环境仅支持最高到4.0.1.2版本的System.Memory程序集。然而,项目中某些组件(特别是.NET 10的System.IO.Hashing)需要4.0.2.0版本的System.Memory,导致了版本不兼容问题。
解决方案
要解决这个问题,我们需要确保项目中使用的System.IO.Hashing版本与MSBuild环境兼容。具体措施如下:
-
降级System.IO.Hashing:将项目中使用的System.IO.Hashing包版本降级到9.0.4,这个版本不依赖System.Memory 4.0.2.0。
-
更新绑定重定向:如果确实需要使用较新版本的System.IO.Hashing,可以尝试更新MSBuild.exe.config文件中的绑定重定向规则,将newVersion设置为4.0.2.0。但这种方法可能会影响其他依赖旧版本的组件。
-
等待官方更新:微软团队可能会在后续的Visual Studio更新中解决这个兼容性问题。
最佳实践建议
-
在开发过程中,特别是使用预览版工具链时,建议密切关注依赖项的版本兼容性。
-
定期检查项目中的NuGet包引用,确保它们与目标平台和构建环境兼容。
-
对于关键项目,考虑锁定特定版本的依赖项,避免自动升级导致不可预见的兼容性问题。
-
在团队开发环境中,确保所有成员使用相同的工具链和依赖版本,减少环境差异导致的问题。
通过理解这个问题的本质并采取适当的解决措施,开发者可以顺利地在Visual Studio Preview环境中构建和运行dotnet/android项目中的Maui示例应用。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00